Pengembangan Dan Pengujian Data Warehouse Dan Spatial Online Analytical Processing Titik Panas Kebakaran Hutan Dan Lahan

Abstract

Kebakaran hutan dan lahan (karhutla) di Indonesia menjadi ancaman serius terhadap konservasi lingkungan dan keanekaragaman hayati. Sistem Spatial Online Analytical Processing (SOLAP) untuk analisis titik panas telah dikembangkan pada penelitian sebelumnya namun masih memiliki keterbatasan signifikan. Pemasukan data titik panas ke dalam data warehouse dilakukan secara manual tanpa mekanisme pembaruan otomatis sehingga data tidak dapat diperbarui secara berkala. Platform analitik yang digunakan memiliki kerentanan keamanan critical seperti CVE-2018-12353, CVE-2018-12354, dan CVE-2018-12355. Keterbatasan ini menghambat kemampuan sistem dalam menyediakan data terkini untuk analisis dan mitigasi kebakaran hutan serta membahayakan keamanan sistem secara keseluruhan. Penelitian ini bertujuan membangun data warehouse dan SOLAP dengan mekanisme Extract, Transform, and Load (ETL) otomatis untuk menganalisis persebaran titik panas guna membantu upaya pencegahan karhutla. Sistem mengintegrasikan data titik panas dari NASA FIRMS dengan berbagai sumber satelit dan data cuaca dari Visual Crossing Weather API. Data dikelola dalam data warehouse ClickHouse menggunakan skema galaksi yang terdiri dari 2 tabel fakta serta 5 tabel dimensi. Proses ETL menggunakan Apache Airflow yang terjadwal setiap 15 menit untuk pembaruan data otomatis. Hasil penelitian menunjukkan sistem SOLAP berhasil dikembangkan dengan kemampuan memperbarui data titik panas secara otomatis. Pengujian fungsional mencapai tingkat keberhasilan 100% dengan total 82 skenario pengujian berhasil. Pengujian stress testing menggunakan k6 membuktikan sistem mampu menangani beban tinggi dengan 300 virtual users menghasilkan 32.114 request tanpa mengalami error sama sekali dan rata-rata response time sebesar 573,91 ms. Pengujian keamanan tidak menemukan kerentanan critical pada komponen sistem sehingga mengatasi masalah keamanan yang ditemukan pada penelitian sebelumnya. Sistem berhasil menampilkan titik panas dengan teknik clustering untuk optimasi visualisasi dan mendukung hierarki lokasi 5 level meliputi pulau, provinsi, kabupaten, kecamatan dan desa serta hierarki waktu 5 level meliputi tahun, semester, kuartal, bulan, dan minggu. Temuan penting lainnya adalah integrasi data cuaca yang memungkinkan analisis korelasi antara kondisi cuaca dengan kejadian titik panas.